Концепция зацепа с точки зрения математики
Пробую новый формат. Волнуюсь — не знаю, насколько математика вам интересна. Если пост зайдет - еще выпущу похожих. Знаю что зацеп многие любят, поэтому клоунов тоже огребу сейчас чувствую :) Вообщем, поддержите лайками :)

Что такое зацеп?
Распространённая стратегия в UA. Байер запускает 3-5 кампаний с одинаковым или похожим сетапом. Через несколько дней смотрит результаты и ищет кампанию, которая "зацепилась" - показала положительный ROAS. Остальные отключает.

Логика: алгоритм Meta/TikTok/Google по-разному раскачивает каждую кампанию. Задача байера - найти ту, которой повезло попасть в хорошую аудиторию.

🧪 Мысленный эксперимент
Проверим эту стратегию математикой. Возьмём приложение, которое точно не зарабатывает, и посмотрим - сможет ли байер всё равно "найти зацеп".

Если в институте у вас не было теории вероятности — не страшно. Страшные формулы можно скипать и переходить сразу к выводу что получилось.

Параметры приложения:
• LTV с платящего = $32
• Конверсия в платящего = 10%
• CPI = $4
• Истинный ROAS = 80%

Обратите внимание - приложение точно убыточно. Каждый инстал в среднем приносит $3.20, а стоит $4.
Байер запускает 5 кампаний по $50. Вопрос: какова вероятность, что хотя бы одна покажет ROAS >= 100%?

Мат модель
🎲 Шаг 1. Монетка
Каждый инстал — бросок монетки. С вероятностью 10% пользователь платит $32. С вероятностью 90% — не платит ничего.

🎲 Шаг 2. Сколько бросков
$50 бюджета при CPI $4 = 12 инсталлов. Это 12 бросков монетки.

🎲 Шаг 3. Сколько нужно для "успеха"
Чтобы кампания показала ROAS >= 100%, нужно минимум 2 платящих из 12.
2 x $32 = $64 revenue при $50 spend = ROAS 128%.

🎲 Шаг 4. Какова вероятность?
Вероятность получить 2 и больше платящих из 12 при шансе 10% — считается через биномиальное распределение. Результат: 34%.

То есть каждая третья кампания покажет ROAS >= 100%. Просто так работает рандом.
🎲Шаг 5. Пять кампаний
Вероятность, что хотя бы одна из 5 покажет положительный результат:
1 − (1 − 0.34)⁵ = 86%

📐 Формула (можно смело скипать)
Биномиальное распределение - формула для подсчёта вероятности получить ровно K "успехов" из N попыток:

P(K из N) = C(N,K) × p^K × (1−p)^(N−K)

Где C(N,K) = N! / (K! × (N−K)!) - количество комбинаций.

Пример для нашего случая:
P(0 платящих из 12) = 0.9¹² = 0.28
P(1 платящий из 12) = 12 × 0.1 × 0.9¹¹ = 0.38
P(0 или 1) = 0.28 + 0.38 = 0.66
P(2 и больше) = 1 − 0.66 = 0.34

Для нескольких кампаний:
P(хотя бы одна покажет ROAS >= 100%) = 1 - (1 − P(одна))ᴹ
Где M — количество кампаний.

📋 Как вероятность зависит от бюджета
Spend $50 на кампанию → 12 инсталлов → нужно >= 2 платящих
Одна кампания: 34%. Хотя бы 1 из 5: 86%.

Spend $150 → 37 инсталлов → нужно >= 5 платящих
Одна кампания: 31%. Хотя бы 1 из 5: 84%.

Spend $300 → 75 инсталлов → нужно >= 10 платящих
Одна кампания: 22%. Хотя бы 1 из 5: 71%.

Spend $1 000 → 250 инсталлов → нужно >= 32 платящих
Одна кампания: 9%. Хотя бы 1 из 5: 36%.

📌 Что получилось
При spend $50 на кампанию - шанс увидеть положительный ROAS хотя бы на одной из 5 кампаний = 86%. Почти наверняка увидите положительный ROAS.

Даже на более-менее нормальном спенде в $300 - шанс 71%.

Но обратите внимание: вероятность ложноположительного результата на одной кампании при $300 — всего 22%. Запуская одну кампанию вместо пяти, байер уменьшает шанс обмануть себя с 71% до 22%. Т е другими словами - получает в 3 раза большую надежность оценки.

Короче
Лучше запустить одну кампанию и смотреть на неё, чем 5 и смотреть на все.